GyroSwin: Surrogatos 5D para Simulações de Turbulência Plasma Girocinética

GyroSwin: 5D Surrogates for Gyrokinetic Plasma Turbulence Simulations

October 8, 2025

Autores: Fabian Paischer, Gianluca Galletti, William Hornsby, Paul Setinek, Lorenzo Zanisi, Naomi Carey, Stanislas Pamela, Johannes Brandstetter

cs.AI

Resumo

A fusão nuclear desempenha um papel crucial na busca por produção de energia confiável e sustentável. Um grande obstáculo para a viabilidade da energia de fusão é a compreensão da turbulência do plasma, que prejudica significativamente o confinamento do plasma e é vital para o projeto de reatores de próxima geração. A turbulência do plasma é governada pela equação girocinética não linear, que evolui uma função de distribuição 5D ao longo do tempo. Devido ao seu alto custo computacional, modelos de ordem reduzida são frequentemente empregados na prática para aproximar o transporte turbulento de energia. No entanto, eles omitem efeitos não lineares exclusivos da dinâmica 5D completa. Para enfrentar esse desafio, introduzimos o GyroSwin, o primeiro substituto neural 5D escalável capaz de modelar simulações girocinéticas não lineares 5D, capturando assim os fenômenos físicos negligenciados pelos modelos reduzidos, enquanto fornece estimativas precisas do transporte turbulento de calor. O GyroSwin (i) estende os Transformers Hierárquicos de Visão para 5D, (ii) introduz módulos de atenção cruzada e integração para interações latentes 3D↔5D entre campos de potencial eletrostático e a função de distribuição, e (iii) realiza separação de modo por canal inspirada na física não linear. Demonstramos que o GyroSwin supera métodos numéricos reduzidos amplamente utilizados na previsão de fluxo de calor, captura a cascata de energia turbulenta e reduz o custo da girocinética não linear totalmente resolvida em três ordens de magnitude, mantendo-se fisicamente verificável. O GyroSwin mostra leis de escalabilidade promissoras, testadas até um bilhão de parâmetros, abrindo caminho para substitutos neurais escaláveis para simulações girocinéticas de turbulência de plasma.

English

Nuclear fusion plays a pivotal role in the quest for reliable and sustainable energy production. A major roadblock to viable fusion power is understanding plasma turbulence, which significantly impairs plasma confinement, and is vital for next-generation reactor design. Plasma turbulence is governed by the nonlinear gyrokinetic equation, which evolves a 5D distribution function over time. Due to its high computational cost, reduced-order models are often employed in practice to approximate turbulent transport of energy. However, they omit nonlinear effects unique to the full 5D dynamics. To tackle this, we introduce GyroSwin, the first scalable 5D neural surrogate that can model 5D nonlinear gyrokinetic simulations, thereby capturing the physical phenomena neglected by reduced models, while providing accurate estimates of turbulent heat transport.GyroSwin (i) extends hierarchical Vision Transformers to 5D, (ii) introduces cross-attention and integration modules for latent 3Dleftrightarrow5D interactions between electrostatic potential fields and the distribution function, and (iii) performs channelwise mode separation inspired by nonlinear physics. We demonstrate that GyroSwin outperforms widely used reduced numerics on heat flux prediction, captures the turbulent energy cascade, and reduces the cost of fully resolved nonlinear gyrokinetics by three orders of magnitude while remaining physically verifiable. GyroSwin shows promising scaling laws, tested up to one billion parameters, paving the way for scalable neural surrogates for gyrokinetic simulations of plasma turbulence.